多传感器数据融合：提升飞控稳定性实战课程

📚 共计 30 章节

飞控为什么需要多传感器融合？

单一传感器的局限性与融合的必要性

惯性测量单元(IMU)深度解析

加速度计与陀螺仪的工作原理及误差模型

磁力计与气压计

辅助航向与高度测量的关键传感器

磁力计气压计

GPS/RTK定位原理

从单点定位到厘米级精度的演进

视觉传感器与光流

室内与低空环境下的定位补充

超声波与激光雷达(ToF)

近距离避障与地形跟随

传感器数据预处理

去噪、滤波与异常值剔除（低通滤波、中值滤波）

预处理滤波

时间同步问题

多传感器数据的时间戳对齐与插值方法

时间同步插值

坐标系与姿态表示

欧拉角、旋转矩阵、四元数及其转换

坐标系四元数

卡尔曼滤波基础

从贝叶斯估计到线性卡尔曼滤波(KF)

扩展卡尔曼滤波(EKF)

非线性系统的状态估计与飞控应用

无迹卡尔曼滤波(UKF)

Sigma点采样与更强的非线性处理能力

经典且高效的IMU姿态解算算法

互补滤波姿态

梯度下降法姿态解算

Madgwick算法原理与实现

Madgwick梯度下降

基于EKF的GPS+IMU融合定位

松耦合与紧耦合架构

GPS+IMU紧耦合

视觉惯性里程计(VIO)

视觉与IMU的紧耦合融合

VIO视觉惯性

多传感器融合中的故障检测与隔离(FDI)

保护系统免受错误数据影响

FDI故障检测

自适应滤波

根据飞行状态动态调整滤波器参数

自适应动态调整

传感器标定

IMU、磁力计、相机内参的离线与在线标定方法

标定IMU相机

数据融合中的延迟补偿

预测与缓存机制

延迟补偿预测

基于多传感器融合的定高与悬停控制实战

融合实战：定高悬停

基于多传感器融合的自主避障与路径规划

避障与路径规划实战

避障路径规划

室内外无缝切换

GPS失效时的视觉/光流接管策略

无缝切换视觉

风场扰动下的融合策略

如何利用融合数据抵抗阵风

多旋翼飞控中的传感器冗余设计

三余度IMU系统

冗余三余度

固定翼飞控中的空速与迎角融合

提升失速保护能力

固定翼空速

嵌入式平台上的算法优化

STM32/FPGA上的实时融合实现

开源飞控融合框架解析

PX4与ArduPilot的EKF架构对比

基于MATLAB/Simulink的多传感器融合系统仿真

实战项目：搭建一套完整的四旋翼多传感器融合飞控系统

从零搭建完整飞控系统

实战项目四旋翼